Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/5898
Tipo: | Trabalho de Conclusão de Curso |
Título: | Mineração de dados na base de dados do jogo league of legends: construção de modelos preditivos de vitórias e derrotas de uma equipe |
Autor(es): | Ferreira, Amaury Florentino |
Primeiro Orientador: | Silva, Solange da |
metadata.dc.contributor.referee1: | Menezes, José Elmo de |
metadata.dc.contributor.referee2: | Dantas, Maria José Pereira |
Resumo: | O objetivo deste trabalho foi construir dois modelos preditivos para classificar resultados de partida, o primeiro modelo prediz partidas utilizando dados dos 15 primeiros minutos de partida e o segundo modelo analisa os dados ao final do jogo, baseando em dados do desempenho de equipes no contexto do jogo League of Legends, usando técnicas de descoberta de conhecimento em base de dados. Uma pesquisa bibliográfica sobre o League of Legends, foi realizada com o objetivo de entender e conceituar o contexto do jogo e das técnicas de mineração dos dados. Quantos aos procedimentos técnicos, é uma pesquisa bibliográfica e experimental. O trabalho propôs a utilização dos algoritmos de Regressão Logística, Random Florest e Árvore de Decisão. Os resultados obtidos atenderam aos objetivos de pesquisa, desta forma, para o primeiro modelo os algoritmos de Regressão Logística de Random Florest tiveram bons resultados de classificação acima do 70% de acurácia, entretanto, a árvore de decisão teve resultado apenas de 64% de classificação. O segundo modelo todos os algoritmos classificaram corretamente os dados acima de 98% de acurácia. Além disso, este estudo proporcionou entender sobre o grau de importância das variáveis para cada modelo, além dos processos de limpeza, transformação, análise de redundância e seleção das variáveis. |
Abstract: | The objective of this work was to build two predictive models to classify match results, the first model predicts matches using data from the first 15 minutes of the match and the second model analyzes the data at the end of the game, based on team performance data in the context of the match. League of Legends game, using database knowledge discovery techniques. Bibliographic research on League of Legends was carried out in order to understand and conceptualize the context of the game and data mining techniques. As for the technical procedures, it is a bibliographical and experimental research. The work proposed the use of Logistic Regression, Random Forest and Decision Tree algorithms. The results obtained met the research objectives, in this way, for the first model the Logistic Regression algorithms of Random Florest had good classification results above 70% of accuracy, however, the decision tree had a result of only 64% of classification. In the second model, all algorithms correctly classified data above 98% accuracy. In addition, this study provided an understanding of the degree of importance of the variables for each model, in addition to the processes of cleaning, transformation, redundancy analysis and selection of variables. |
Palavras-chave: | League of legends Mineração de dados Modelos preditivos Algoritmos |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
Idioma: | por |
País: | Brasil |
Editor: | Pontifícia Universidade Católica de Goiás |
Sigla da Instituição: | PUC Goiás |
metadata.dc.publisher.department: | Escola Politécnica |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/5898 |
Data do documento: | 16-Jun-2023 |
Aparece nas coleções: | TCC Engenharia de Computação |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
TCC II - Amaury Florentino Ferrreira RAG.pdf | 4,54 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador